Post on 05-Sep-2019
transcript
ANALISIS PENGARUH TOTAL ANTAR VARIABEL LATENDENGAN METODE CB-SEM
(Skripsi)
Oleh
Zhofar Murry Setiawan
JURUSAN MATEMATIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNGBANDAR LAMPUNG
2018
ABSTRACT
TOTAL EFFECT ANALYSIS OF LATENT VARIABLES USINGCB-SEM METHOD
ByZhofar Murry Setiawan
Latent variables are variables that can not be measured directly and requiredmultiple indicators for its measurement. SEM is a statistical method that can beused to calculate latent variables. CB-SEM is a type of SEM that requires theconstruct of meupun indicators to correlate with each other in a structural model.The purpose of this research will be used CB-SEM method to analyzed the totaleffect. The research obtained two total influence which is influence of total qualityto satisfaction with through variable of intermediate price equal to 0,7982 andquality influence significantly to satisfaction with through variable ofintermediary of brand equal to 0,2297.
Keywords: CB-SEM, SEM, Total Effect
ABSTRAK
ANALISIS PENGARUH TOTAL ANTAR VARIABEL LATEN DENGANMETODE CB-SEM
OlehZhofar Murry Setiawan
Variabel laten merupakan variabel yang tidak dapat diukur secara langsung danmemerlukan beberapa indikator untuk pengukurannya. SEM merupakan metodestatistika yang dapat digunakan untuk menghitung variabel laten. CB-SEMmerupakan tipe SEM yang mengharuskan konstruk meupun indikator-indikatornya untuk saling berkorelasi satu dengan lainnya dalam suatu modelstruktural. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh totaldengan metode CB-SEM. Dari hasil penelitian didapat dua pengaruh total yaitupengaruh total kualitas terhadap kepuasan dengan melalui variabel perantara hargasebesar 0,7982 dan kualitas mempengaruhi secara signifikan terhadap kepuasandengan melalui variabel perantara merk sebesar 0,2297.
Kata kunci: CB-SEM, Pengaruh Total, SEM
ANALISIS PENGARUH TOTAL ANTAR VARIABEL LATEN
DENGAN METODE CB-SEM
Oleh
Zhofar Murry Setiawan
Skripsi
Sebagai salah satu syarat untuk mencapai gelar
Sarjana Sains
pada
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2018
RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 18 September 1995 di Pringsewu. Terlahir dari
keluarga yang sederhana dari pasangan Bapak Agus Sarnanto dan Ibu Erni,
merupakan anak pertama dari empat bersaudara. Kakak dari Kinanti, Sheila
Novalia dan Felita Lia.
Penulis menyelesaikan pendidikan sekolah dasar di SD Muhammadiyah
Pringsewu pada tahun 2008. Pendidikan sekolah menengah pertama di SMP
Negeri 1 Pringsewu pada tahun 2011. Pendidikan sekolah menengah atas di SMA
Negeri 1 Pringsewu pada tahun 2014. Kemudian penulis melanjutkan pendidikan
di perguruan tinggi dan terdaftar sebagai mahasiswa Jurusan Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui jalur
SBMPTN pada tahun 2014.
Pada periode 2015/2016 penulis terdaftar sebagai anggota bidang Kaderisasi
HIMATIKA, lalu pada periode 2016 menjadi Kepala Badan Semi Otonom BBQ
Rois FMIPA Unila dan pada periode 2017 terpilih menjadi Ketua DPM FMIPA
2017.
Sebagai bentuk aplikasi bidang ilmu di dunia kerja, penulis telah melaksanakan
Kerja Praktik (KP) selama empat puluh hari di Badan Kependudukan dan
Keluarga Berencana Provinsi Lampung. Dan sebagai bentuk aplikasi bidang ilmu
kepada masyarakat, penulis telah melaksanakan Kuliah Kerja Nyata selama 38
hari di Desa Durian, Kecamatan Padang Cermin, Kabupaten Pesawaran,
Lampung.
MOTTO
“ Allaah dulu, Allaah lagi, Allaah terus”
“Barang siapa yang bersungguh-sungguh, sesungguhnya kesungguhan tersebut untukkebaikan dirinya sendiri"
(Al-Ankabut: 6)
“Sesungguhnya setelah kesukaran itu ada keringanan. Karena itu bila kau sudah selesai(mengerjakan yang lain). Dan berharaplah kepada Tuhanmu”
(Q.S Al Insyirah : 6-8)
1
PERSEMBAHAN
Alhamdulillah, puji syukur kehadirat Allah SWT yang Maha Pengasih lagiMaha Penyayang. Dengan segala ketulusan hati penulis persembahkan
skripsi ini kepada:
Kedua orangtuaku yang selalu tulus mendoakan setiap waktu,membimbing, dan selalu memberikan semangat untuk keberhasilan penulis.
Untuk adik-adikku tersayang yang selalu memberikan keceriaan, semangatdan dukungan serta do’a yang tak pernah henti untukku. Terimakasih
sudah menjadi alasanku untuk tetap bahagia di setiap hariku.
Untuk seluruh dosen matematika, terutama dosen pembimbing dan pembahasyang telah memberikan bimbingan serta saran terbaiknya dalam
penyelesaian skripsi ini.
Untuk sahabat-sahabat terbaikku, terimakasih untuk semua kebahagian dankebaikan tulus yang telah kalian berikan untukku, kalian adalah sahabat-
sahabat terbaik yang selalu ada, terimakasih atas semua cerita indah
yang tidak terlupakan.
SANWACANA
Alhamdulillahi robbil ‘alamin, puji dan syukur penulis haturkan kepada Allah
SWT atas rahmad dan ridho-Nya penulis dapat menyelesaikan skripsi yang
berjudul “Analisis Pengaruh Total Antar Variabel Laten dengan Metode CB-
SEM”. Shalawat serta salam kepada Nabi Muhammad SAW yang telah menjadi
suri tauladan yang baik bagi kita. Dalam penulisan skripsi ini penulis menyadari
bahwa tidak terlepas dari bimbingan, bantuan, dan kerjasama dari berbagai pihak.
Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terimakasih
kepada :
1. Bapak Drs. Eri Setiawan, M.Si., selaku dosen pembimbing utama yang
senantiasa membimbing dan memberikan arahan kepada penulis dalam
menyelesaikan skripsi ini.
2. Bapak Agus Sutrisno, S.Si., M.Si., selaku dosen pembimbing kedua yang
telah memberikan bimbingan serta saran yang membantu penulis dalam
menyelesaikan skripsi ini.
3. Bapak Dr. Ir. Netti Herawati, M.Sc., Ph.D., selaku pembahas yang telah
memberikan kritik dan saran dalam menyelesaikan skripsi ini.
4. Ibu Dra. Wamiliana, M.A., Ph.D., selaku Ketua Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung
5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. selaku dekan FMIPA Universitas
Lampung.
6. Seluruh dosen, staf dan karyawan Jurusan Matematika FMIPA Universitas
Lampung.
7. Untuk kedua orangtuaku Bapak Agus Sarnanto dan Ibu Erni yang telah
banyak memberikan kasih sayang dan do’a, adikku Kinanti, Sheila
Novalia dan Felita Lia yang telah memberikan keceriaan kepada penulis.
8. Sahabat canda tawa Abdul Kodir, Arisca Septa Jaya Pratama, Ardiansyah,
Raka Satria Rainaudi, Alvin Yuanda, Redi, M. Fadhil Yanuar, Christ
Gabrialdo, M. Fajar Nur Efendi, Fathurahman Al Ayubi, Kiki Alendra
yang telah banyak keceriaan, bantuan, semangat serta dukungan..
9. Teman-teman Matematika 2014 dan seluruh pihak yang telah membantu
dalam penyusunan skripsi ini yang tidak dapat disebutkan satu persatu.
Bandar Lampung, April 2018Penulis
Zhofar Murry Setiawan
DAFTAR ISI
Halaman
DAFTAR TABEL ....................................................................................... vii
DAFTAR GAMBAR ................................................................................... viii
I. PENDAHULUAN. ................................................................................ 1
1.1. Latar Belakang dan Masalah ........................................................ 1
1.2. Tujuan Penelitian ........................................................................... 2
1.3. Manfaat Penelitian ......................................................................... 3
II. TINJAUAN PUSTAKA. ....................................................................... 4
2.1 Uji Normalitas ............................................................................... 4
2.2 Uji Validitas dan Relibilitas .......................................................... 5
2.2.1 Uji Validitas ......................................................................... 5
2.2.2 Uji Relibilitas ....................................................................... 5
2.3 Model Persamaan Struktural ......................................................... 6
2.4 Variabel-variabel dalam Model Persamaan Struktural.................. 7
2.4.1 Variabel Laten ...................................................................... 7
2.4.2 Variabel Indikator ................................................................ 8
2.5 Model - Model dalam Model Persamaan Struktural ..................... 8
2.5.1 Model Struktural .................................................................. 8
2.5.2 Model Pengukuran … ............................................................ 9
2.6 Galat dalam Model Persamaan Struktural ..................................... 11
2.6.1 Galat Struktural .................................................................... 11
2.6.2 Galat Pengukuran ................................................................. 12
2.7 Metode Maximum Likelihood (ML) ............................................. 12
2.8 Metode Covariance Based ............................................................ 15
2.9 Langkah-langkah Analisis CB-SEM.............................................. 16
2.10 Pengaruh Langsung, Pengaruh Tidak Langsung dan
Pengaruh Total ……………………………………………......... 18
III. METODOLOGI PENELITIAN . ........................................................ 20
3.1. Waktu dan Tempat Penelitian ....................................................... 20
3.2. Data Penelitian .............................................................................. 20
3.3. Metode Penelitian …….................................................................. 22
IV. HASIL DAN PEMBAHASAN............................................................ 24
4.1. Uji Normalitas ............................................................................... 24
4.2. Uji Validitas dan Reliabilitas......................................................... 24
4.2.1. Uji Validitas ....................................................................... 24
4.2.2. Uji Reliabilitas ................................................................... 25
4.3. Merancang Model Struktural ........................................................ 26
4.4. Merancang Model Pengukuran...................................................... 28
4.5. Konstruksi Diagram Jalur .............................................................. 29
4.6. Estimasi Parameter CB-SEM dengan Software Lisrel 8.80 ........... 30
4.7. Pengaruh Langsung, Tidak Langsung dan Total ........................... 32
4.7.1. Pengaruh Langsung .................................................................. 32
4.7.2. Pengaruh Tidak Langsung ........................................................ 34
4.7.3. Pengaruh Total.......................................................................... 36
4.8. Evaluasi Model CB........................................................................ 38
V. KESIMPULAN .................................................................................... 39
DAFTAR PUSTAKA. .................................................................................. 41
LAMPIRAN
DAFTAR TABEL
Tabel Halaman
1. Pendekatan Matriks Model Struktural ............................................... 19
2. Variabel Penelitian............................................................................. 20
3. Pendekatan Matriks Model Pengukuran ............................................ 22
4. Outer Loadings .................................................................................. 25
5. Composite Reliability......................................................................... 25
6. Outer Loading Re-Estimasi .............................................................. 27
7. Composite Reliability......................................................................... 28
8. Average Variance Extracted (AVE) .................................................. 29
9. Average Variance Extracted (AVE) .................................................. 29
10. Akar Average Variance Extracted (AVE) ......................................... 30
11. Discriminant Validity......................................................................... 30
12. Outer Loadings .................................................................................. 31
13. R-Square ............................................................................................ 31
14. Path Coefficients................................................................................ 32
15. Path Coefficients................................................................................ 33
16. Pengaruh Tidak Langsung ................................................................. 35
17. Standar Error...................................................................................... 35
18. Total Effects ....................................................................................... 36
vii
........ ..
m
........
..
.
.
m
..
..
DAFTAR GAMBAR
Gambar Halaman
1. Variabel Laten ................................................................................... 8
2. Variabel Indikator .............................................................................. 8
3. Model Persamaan Struktural.............................................................. 18
4. Model Struktural Kepuasan Pelanggan IM3...................................... 22
5. Model Struktural ................................................................................ 27
6. Model Pengukuran ............................................................................. 28
7. Diagram Jalur..................................................................................... 29
8. Diagram Jalur yang Telah di Estimasi............................................... 30
9. Pengaruh Langsung. ................................. ........ .............. 32
10. Pengaruh Tidak Langsung dari ξ1 terhadap elalui .............. 34
11. Pengaruh Tidak Langsung dari ξ1 terhadap elalui ............. 34
viii
I. PENDAHULUAN
1.1 Latar Belakang dan Masalah
Saat ini perkembangan zaman sudah sangat maju, banyak penelitian yang sudah
dilakukan di semua bidang salah satunya bidang ekonomi dan sosial. Pada bidang
ekonomi, persaingan atau kompetisi adalah hal yang biasa di mana para pelaku
ekonomi sama-sama bersaing untuk mendapatkan keuntungan, pangsa pasar, dan
jumlah penjualan yang besar. Untuk mendapatkan keuntungan, pelaku ekonomi
harus memiliki dan mempertahankan pelanggan. Oleh karena itu, kepuasan
pelanggan menjadi suatu hal yang penting. Namun, tingkat kepuasan pelanggan
tidak dapat diukur secara langsung atau disebut sebagai variabel laten. Sehingga
banyak pelaku ekonomi yang melakukan survei atau penelitian untuk
mengukur tingkat kepuasan pelanggannya.
Menurut Wijanto (2008), metode statistika yang mampu menganalisa pola
hubungan antara variabel laten dan indikatornya, variabel laten yang satu
dengan yang lainnya, serta kesalahan pengukuran secara langsung adalah
metode Structural Equation Modeling (SEM). Analisis SEM memerlukan
landasan teori yangkuat dan terdefinisi dengan jelas.
2
Metode ini juga mensyaratkan sampel besar dengan asumsi bahwa data harus
berdistribusi normal multivariat.
Pada umumnya terdapat dua jenis SEM yaitu Covariance Based Structural
Equation Modeling (CB-SEM) yang dikembangkan oleh Joreskog dan Partial
Least Square Structural Equation Modeling (PLS-SEM) yang dikembangkan
oleh Wold. CB-SEM adalah metode analisis yang mengasumsikan data harus
dengan pengukuran skala ordinal atau interval. CB-SEM juga dapat digunakan
untuk melihat pengaruh total dari suatu variabel laten eksogen terhadap variabel
laten endogen dengan menggunakan ukuran sampel yang besar. Oleh karena itu
pada penelitian kali ini akan digunakan CB-SEM untuk melihat pengaruh total
antar variabel laten menggunakan data hasil survei kuisioner kepuasan
pelanggan IM3 mahasiswa FMIPA 2011.
1.2 Tujuan Penelitian
Ada pun tujuan dari penelitian ini adalah menghitung pengaruh total antar
variabel laten eksogen terhadap variabel laten endogen dari data hasil survei
kuisioner kepuasan pelanggan IM3 mahasiswa FMIPA UNY 2011 menggunakan
metode CB-SEM.
3
1.3 Manfaat Penelitian
Manfaat dari penelitian ini adalah:
1. Menambah wawasan mengenai Covariance Based SEM dan software Lisrel
8.80.
2. Mengetahui pengaruh total dalam model persamaan struktural dari data
hasil survei kuisioner kepuasan pelanggan IM3 mahasiswa FMIPA 2011
menggunakan metode CB-SEM..
II. TINJAUAN PUSTAKA
2.1 Uji Normalitas
Model SEM apabila diestimasi dengan menggunakan Maximum Likelihood
Estimation mempersyaratkan dipenuhinya asumsi normalitas. Uji normalitas yang
paling mudah adalah dengan mengamati skewness value. Nilai statistik untuk
menguji normalitas itu disebut sabagai z-value (𝑍ℎ𝑖𝑡𝑢𝑛𝑔) yang dihasilkan melalui
rumus berikut ini:
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 =𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠
√6
𝑁
(2.1)
di mana N adalah ukuran sampel. Bila 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑍𝑡𝑎𝑏𝑒𝑙 (nilai kritis) maka
distribusi data tidak normal.
Nilai 𝑍𝑡𝑎𝑏𝑒𝑙 dapat ditentukan berdasarkan tingkat signifikansi yang dikehendaki.
Misalnya, bila nilai yang dihitung lebih besar dari ± 2,58 berarti kita dapat
menolak asumsi normalitas pada tingkat 0,01 (1%). Nilai kritis lainnya yang
umum digunakan adalah nilai kritis sebesar ± 1,96 yang berarti bahwa asumsi
normalitas ditolak pada tingkat signifikansi 0,05 (5%).
5
2.2 Uji Validitas dan Realibilitas
2.2.1 Uji Validitas
Validitas adalah suatu ukuran yang menunjukan tingkat-tingkat kevalidan suatu
kuisioner. Suatu kuisioner yang kurang valid berarti validitasnya rendah
(Arikunto, 2006). Rumus yang digunakan adalah yang dikemukan oleh Pearson
yang dikenal rumus Korelasi Pearson (Arikunto, 2006) sebagai berikut:
rxy =∑𝑋𝑌
√{𝑁 ∑𝑋2−(∑𝑋2)}{𝑁 ∑𝑌2−(∑𝑌2)} (2.2)
dengan:
rxy : Koefesien korelasi Pearson
𝑁 : Jumlah subjek uji coba
∑𝑋 : Jumlah skor butir
∑𝑌 : Skor total
Selanjutnya angka korelasi yang diperoleh dibandingkan dengan angka kritik tabel
korelasi nilai 𝑟𝑡𝑎𝑏𝑒𝑙. Apabila r hitung nilainya di atas angka taraf nyata 5% maka
pernyataan tersebut valid, dan sebaliknya apabila r hitung nilainya dibawah angka
taraf nyata 5% maka pernyataan tersebut tidak valid.
2.2.2 Uji Realibilitas
Realibilitas menunjuk pada pengertian bahwa suatu kuisioner cukup dapat
dipercaya untuk digunakan sebagai alat pengumpul data tersebut sudah baik
6
(Arikunto, 2006). Dalam pengujian untuk mencari realibilitas instrumen yang
skornya bukan 1 dan 0.
𝑟11 = (𝑘
(𝑘−1)) (1−
∑𝜎𝑏2
𝜎𝑡2 ) (2.3)
dengan:
𝑟11 : Realibilitas kuisioner
k : Banyaknya butir pertanyaan
∑𝜎𝑏2 : Jumlah varian butir
𝜎𝑡2 : Varian total
Apabila nilai 𝑟11 ini dikonsultasikan dengan r pearson, dapat diketahui bahwa
lebih kecil dari 𝑟𝑡𝑎𝑏𝑒𝑙 yang ada. Dengan demikian dapat disimpulkan bahwa
kuisioner tersebut tidak reliabel. Dalam pengujian reliabilitas peneliti
menggunakan software SPSS ver. 15 for Windows dengan melihat nilai
Cronbach’s Alpha lebih dari 0,6 maka butir atau pertanyaan dapat dikatakan
reliabel.
2.3 Model Persamaan Struktural
Model persamaan struktural (Structural Equation Modeling, SEM) adalah salah
satu teknik peubah ganda yang dapat menganalisa secara simultan beberapa
peubah laten endogen dan eksogen. Misalkan vektor acak ηT = η1, η2, …, ηm dan
ξT = (ξ1, ξ2 , …, ξn) berturut-turut adalah variabel laten endogen dan eksogen,
7
menurut Bollen (1989) membentuk persamaan simultan dengan sistem hubungan
persamaan linier:
𝛈𝒋= 𝜷𝒋𝒊𝛈𝒊 + 𝚪𝒋𝒃𝛏𝒃 + 𝛇𝒋 (2.4)
dengan:
𝜷𝒋𝒊 : matriks koefisien peubah laten endogen berukuran mxm
𝚪𝒋𝒃 : matriks koefisien peubah laten eksogen berukuran mxn
𝛈𝒋 : vektor peubah laten endogen berukuran mx1
𝛈𝒊 : vektor peubah laten endogen berukuran mx1
𝛏𝒃 : vektor peubah laten endogen berukuran nx1
𝛇𝒋 : vektor sisaan acak hubungan antara η dan ξ berukuran mx1,
diasumsikan bahwa ξ tidak berkorelasi dengan ζ dan Ι- β adalah
nonsingular.
2.4 Variabel-variabel dalam Model Persamaan Struktural
2.4.1 Variabel Laten
Variabel laten merupakan konsep abstrak, sebagai contoh : perilaku orang, sikap,
perasaan, dan motivasi. Variabel laten hanya dapat diamati secara tidak sempurna
melalui efeknya terhadap variabel teramati. Terdapat dua jenis variabel laten,
yaitu variabel laten endogen dan variabel laten eksogen. Variabel eksogen muncul
sebagai variabel bebas dalam model, sedangkan variabel endogen merupakan
variabel terikat pada paling sedikit satu persamaan model. Variabel laten eksogen
dinotasikan dengan ξ (ksi) dan variabel laten endogen dinotasikan dengan η (etha).
8
Gambar 1. Variabel laten
2.4.2 Variabel Indikator
Variabel teramati atau terukur adalah variabel yang dapat diamati atau dapat
diukur secara empiris dan sering disebut indikator. Variabel teramati merupakan
efek atau ukuran dari variabel laten. Variabel teramati yang berkaitan atau
merupakan efek dari variabel laten eksogen (ξ) diberi notasi matematik dengan
label X, sedangkan yang berkaitan dengan variabel laten endogen (η) diberi label
Y. Simbol diagram lintasan dari variabel teramati adalah persegi (Wijanto, 2007).
Gambar 2. Variabel indikator
2.5 Model-model dalam Model Persamaan Struktural
2.5.1 Model struktural
Model struktural bertujuan untuk memeriksa hubungan yang mendasari atau yang
menyusun variabel laten ke dalam model pengukuran dan variabel konstruk
lainnya berdasarkan teori. Parameter yang menunjukan regresi variabel laten
Eksogen
(𝜉)
Endogen
(휂)
X Y
9
eksogen diberi label dengan huruf Yunani γ (“gamma”), sedangkan untuk regresi
variabel laten endogen diberi label dengan huruf Yunani β (“beta”), dan matriks
kovarians variabel-variabel laten eksogen diberi label dengan huruf Yunani Ф
(“phi”).
Model variabel laten adalah:
η1 = γ11ξ1 + ζ1 (2.4)
η2 = β21η1 + γ21 ξ1 + ζ2 (2.5)
Dari persamaan (2.4) dan (2.5) dapat ditulis dalam bentuk matriks sebagai berikut.
[휂1
휂2] = [
0 0𝛽21 0
] [휂1
휂2] + [
𝛾11
𝛾21] [𝜉1] + [
휁1휁2
] (2.6)
dapat ditulis :
𝛈𝒋= 𝜷𝒋𝒊𝛈𝒊 + 𝚪𝒋𝒃𝛏𝒃 + 𝛇𝒋
dengan asumsi E(η) = 0, E(ξ) = 0, E(ζ) = 0; ζ tidak berkorelasi dengan ξ; (I – β)
nonsingular.
2.5.2 Model Pengukuran
Model pengukuran digunakan untuk menduga hubungan antar variabel laten
dengan variabel-variabel teramatinya. Variabel laten dimodelkan sebagai sebuah
faktor yang mendasari variabel-variabel teramati yang terkait. Factor loadings
yang menghubungkan variabel laten dengan variabel-variabel teramati
disimbolkan dengan huruf Yunani λ (lambda).
10
Pada model variabel laten SEM, hubungan kausal (sebab-akibat) terjadi di antara
variabel-variabel tidak teramati atau variabel-variabel laten. Parameter-parameter
dari persamaan pada model pengukuran SEM merupakan factor loadings dari
variabel laten terhadap indikator-indikator atau tentang hubungan kausal (sebab-
akibat) simultan di antara variabel-variabelnya, memberikan informasi tentang
muatan faktor dan galat-galat pengukuran.
Berdasarkan contoh dalam Bollen (1989) diberikan model pengukuran yaitu:
x1 = λ1 ξ1 + δ1
x2 = λ2 ξ1 + δ2 (2.7)
x3 = λ3 ξ1 + δ3
y1 = λ4η1 + ε1, y5 = λ8η2 + ε5
y2 = λ5η1 + ε2, y6 = λ9η2 + ε6 (2.8)
y3 = λ6η1 + ε3, y7 = λ10η2 + ε7
y4 = λ7η1 + ε4, y8 = λ11η2 + ε8
Persamaan model pengukuran dalam bentuk matriks dapat dituliskan sebagai
berikut:
x = Ʌx ξ + δ (2.9)
y = Ʌy η + ε (2.10)
di mana:
x = [
𝑥1
𝑥2
𝑥3
], Ʌx = [
𝜆1
𝜆2
𝜆3
], ξ = [𝜉1], δ = [
𝛿1
𝛿2
𝛿3
] (2.11)
11
y =
[ 𝑦1𝑦2
𝑦3𝑦4
𝑦5𝑦6
𝑦7𝑦8]
, Ʌy =
[ 𝜆4
𝜆5
𝜆6
𝜆7
0000
0000𝜆8
𝜆9
𝜆10
𝜆11]
, η = [휂1
휂2], ε =
[ 휀1휀2
휀3휀4
휀5휀6
휀7휀8]
(2.12)
dimana:
x : indikator variabel laten eksogen dari ξ berukuran q x 1
y : indikator variabel laten endogen dari η berukuran p x 1
δ : galat pengukuran dari x berukuran q x 1
ε : galat pengukuran dari y berukuran p x 1
Ʌx : matriks koefisien dengan x dan ξ berukuran q x n
Ʌy : matriks koefisien dengan y dan η berukuran p x m
dengan asumsi:
E(η) = 0, E(ξ) = 0, E(ε) = 0, E(δ) = 0; ε tidak berkorelasi dengan η, ξ, dan δ; δ tidak
berkorelasi dengan η, ξ, dan ε.
2.6 Galat dalam Model Persamaan Struktural
2.6.1 Galat Struktural
Galat struktural dalam model persamaan struktural dilambangkan dengan ζ (zeta),
untuk memperoleh estimasi parameter yang konsisten, galat struktural
diasumsikan tidak berkorelasi dengan variabel-variabel eksogen dari model.
Walapun begitu, galat struktural bisa dimodelkan berkorelasi dengan galat
struktural yang lain.
12
2.6.2 Galat Pengukuran
Variabel teramati X dilambangkan dengan δ (delta) dan variabel teramati Y
dilambangkan dengan ε (epsilon). Matriks kovarian dari δ diberi tanda dengan
huruf Yunani ϴε (theta epsilon). Galat pengukuran berpengaruh pada penduga
parameter dan besar kecilnya varian. Hal ini dapat diatasi oleh SEM melalui
persamaan-persamaan yang ada pada model pengukuran.
2.7 Metode Maximum Likelihood (ML)
Pendugaan parameter dalam SEM digunakan untuk memperoleh dugaan dari
setiap parameter yang dispesifikasikan dalam model. Metode kemungkinan
maksimum adalah metode yang paling banyak digunakan dalam menduga
parameter SEM (Bollen, 1989). Maximum Likelihood (ML) merupakan penduga
terbaik yang memiliki sifat tak bias dan ragam minimum. Metode ini akan
menghasilkan estimasi parameter terbaik (unbiased) apabila data yang digunakan
memenuhi asumsi multivariate normality. Ukuran sampel yang disarankan untuk
penggunaan estimasi Maximum Likelihood (ML) adalah sebesar 100-200 (Byrne,
1998).
Metode Maximum Likelihood (ML) ini dapat dirumuskan dengan meminimumkan
fungsi :
F𝑀𝐿 = 𝐿𝑜𝑔|𝜮(휃)| + 𝑡𝑟 (𝑺𝜮−𝟏(휃)) − 𝐿𝑜𝑔 |𝑺| − (𝑝 + 𝑞) (2.13)
13
dimana matriks S adalah penduga matriks parameter kovarian populasi dan
Σ adalah matriks kovarian pada model. Nilai p dan q adalah banyaknya variabel
teramati (X dan Y) dalam model (Wijanto, 2008).
Fungsi kemungkinan: Misalkan 𝒙𝟏, 𝒙𝟐, . . . , 𝒙𝒏 variabel acak berukuran n dengan
fungsi kepekatan peluang 𝒇(𝒙𝒊, 𝜽) dengan 𝐋(𝛉)∏ 𝒇(𝒙𝒊, 𝜽) 𝑵𝒊=𝟏 disebut sebagai
fungsi kemungkinan, dengan θ merupakan parameter.
Sedangkan fungsi kemungkinan maksimum: Misal 𝑳(𝒙, 𝜽) adalah fungsi
kemungkinan dari variabel acak 𝒙𝟏, 𝒙𝟐, . . . , 𝒙𝒏. Jika 𝜽𝟏∗ = 𝒕𝒊(𝒙) untuk i
=1,2,……., k.
Fungsi F𝑀𝐿 diperoleh dengan memisalkan Y dan X variabel acak dan saling bebas,
dikombinasikan kedalam persamaan tunggal (p + q) × 1 vektor 𝒛 = (𝒙𝑻, 𝒚𝑻)
sehingga fungsi kepekatan peluang adalah :
Fungsi kepekatan bersama untuk sampel acak bebas stokastik dan identik pada z,
sebagai berikut :
(2.14)
(2.15)
:
14
dengan fungsi likelihood adalah :
Subtitusikan Σ(θ) untuk Σ berdasarkan hipotesis struktur kovarian Σ = Σ(θ), log
pada fungsi likelihood adalah :
Persamaan (1
2)∑ 𝒛′𝜮−𝟏(𝜽)𝒛𝟏
𝑛𝑖=1 diuraikan sebagai berikut:
dimana 𝑺 = 𝑛−1𝑧′𝑖𝑧1
Nilai −𝑛(𝑝+𝑞)
2 adalah konstanta (k) karena tidak berpengaruh terhadap penurunan
θ, sehingga untuk persamaan Log L(θ) dapat ditulis sebagai berikut :
Log L(θ) = 0 pada saat S = Σ = 0
(2.16)
(2.17)
(2.16)
(2.18)
15
Nilai log L(θ) maksimum pada saat S = Σ = 0, fungsinya dapat ditulis:
Dengan mengalikan −2
𝑛 pada kedua ruas, sehingga fungsinya akan minimum
Persamaan (2.12) ditulis kembali sebagai fungsi:
2.8 Metode Covariance Based
Covariance based adalah suatu metode yang berbasis keluarga regresi untuk
penciptaan dan pembangunan model dan metode untuk ilmu-ilmu sosial dengan
pendekatan yang berorientasi pada prediksi. Covariance based SEM (CB-SEM)
merupakan tipe SEM yang mengharuskan konstruk meupun indikator-
indikatornya untuk saling berkorelasi satu dengan lainnya dalam suatu model
struktural.
(2.19)
(2.20)
(2.22)
(2.21)
16
Lebih lanjut, CB-SEM merupakan tipe SEM yang menggunakn varian dalam
proses iterasi sehingga tidak memerlukan korelasi antara indikator maupun
konstruk latennya dalam suatu model structural. Secara umum, penggunaan CB-
SEM bertujuan untuk mengestimasi model strukural berdasarkan telaah teoritis
yang kuat untuk menguji hubungan kausalitas antar konstruk serta mengukur
kelayakan model dan mengkonfimasinya sesuai dengan data empirisnya.
Konsekuensi penggunaan CB-SEM adalah menuntut basis teori yang kuat,
memenuhi berbagai asumsi parametrik dan memenuhi uji kelayakan model
(goodness of fit). Karena itu, CB-SEM sangat tepat digunakan utuk menguji teori
dan mendapatkan justifikasi atas pengujian tersebut dengan serangkaian analisis
yang kompleks. (Hair, 2010).
2.9 Langkah – langkah Analisis CB-SEM
Menurut Wijanto (2007), analisis data dan pemodelan persamaan struktural adalah
sebagai berikut:
1. Pengembangan Model Berbasis Konsep dan Teori
Prinsip di dalam SEM adalah ingin menganalisis hubungan kausal antar variabel
eksogen dan endogen, serta sekaligus memeriksa validitas dan reliabilitas
instrumen penelitian. Hubungan kausal adalah apabila terjadi perubahan nilai di
dalam suatu variabel akan menghasilkan perubahan dalam variabel lain. Dalam
langkah awal ini adalah pengembangan model, yang merupakan suatu model yang
17
mempunyai justifikasi teori dan atau konsep. Selain itu model tersebut di
verifikasi berdasarkan data empirik melalui SEM.
2. Mengkonstruksi Diagram Jalur
Diagram jalur sangat bermanfaat untuk menunjukkan alur hubungan kausal
variabel eksogen dan endogen. Dimana hubungan-hubungan kausal yang telah ada
justifikasi teori dan konsepnya, divisualisasikan ke dalam gambar sehingga lebih
mudah melihatnya dan lebih menarik. Jika hubungan kausal tersebut ada yang
secara konseptual belum fit maka dapat di buat beberapa model yang kemudian
diuji menggunakan SEM untuk mendapatkan model yang lebih tepat.
3. Konversi Diagram Path ke Dalam Model Struktural
Konversi diagram jalur, model struktural, dipindahkan ke dalam model
matematika.
4. Memilih matriks Input
Dalam SEM input data berupa matriks kovarians bilamana tujuan dari analisis
adalah pengujian suatu model yang telah mendapatkan justifikasi teori, sehingga
tidak dilakukan interpretasi terhadap besar kecilnya pengaruh kausalitas pada
jalur-jalur yang ada di dalam model.
5. Menilai Masalah Identifikasi
Permasalahan yang sering muncul di dalam model struktural adalah proses
pendugaan parameter. Jika terjadi Unidentified atau under identified maka proses
pendugaan parameter tidak mendapatkan suatu solusi. Sebaliknya bilamana
terjadi over identified, maka model yang diperoleh tidak dapat dipercaya.
18
6. Evaluasi Goodness-of-Fit
Kita harus mengetahui asumsi dalam SEM, yaitu asumsi yang berkaitan dengan
model dan asumsi yang berkaitan dengan pendugaan parameter dan pengujian
hipotesis. Secara garis besar uji ini ada 3 (tiga) ukuran yang bersifat
absolut (absolute fit measure), komperatif (incremental fit measure) dan
parsimoni(parsimonious fit measure).
7. Interpretasi dan modifikasi model
Pada tahap selanjutnya model diinterpretasikan dan dimodifikasi. Bagi model
yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi,
residual kovariansnya haruslah kecil atau mendekati nol dan distribusi frekuensi
dari kovarians residual harus bersifat simetrik. Batas keamanan untuk jumlah
residual yang dihasilkan oleh model adalah 1%. Nilai residual yang lebih besar
atau sama dengan 2,58 diinterpretasikan sebagai signifikan secara statis pada
tingkat 1% dan residual yang signifikan ini menunjukkan adanya prediction
error yang substansial untuk sepasang indikator.
2.10 Pengaruh Langsung, Pengaruh Tidak Langsung dan Pengaruh Total
Pengaruh langsung adalah pengaruh yang dapat dilihat dari koefisien jalur dari
satu variabel ke variabel lainnya. Pengaruh tidak langsung merupakan urutan jalur
melalui satu atau lebih variabel perantara (Irianto, 2004).
19
Gambar 3. Model persamaan struktural
Menurut Kenny and Baron (1986), dalam menguji pengaruh tidak langsung
dikenal dengan tiga variabel, yaitu predictor, mediator, dan criterion. Untuk
menguji pengaruh tidak langsung dapat dilakukan melalui empat tahap, yaitu :
1. Tahap pertama menguji pengaruh langsung dari predictor kepada criterion.
2. Tahap kedua melihat apakah predictor memiliki pengaruh terhadap
mediator.
3. Tahap ketiga melihat apakah mediator memiliki pengaruh terhadap
criterion.
4. Tahap keempat adalah melihat pengaruh predictor terhadap criterion dengan
tetap memasukkan pengaruh mediator.
Lalu kita mendefinisikan pengaruh total diantara 2 variabel laten adalah sebagai
hasil penjumlahan dari pengaruh langsung dan semua pengaruh tidak langsung
yang ada pada sebuah struktur.
Predictor
Mediator
Criterion
III. METODE PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan pada semester ganjil tahun ajaran 2017/2018
bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Lampung.
3.2 Data Penelitian
Penelitian ini menggunakan data sekunder dari hasil survei kuisioner
kepuasan pelanggan IM3 mahasiswa FMIPA UNY 2011 dengan sampel
observasi berjumlah 101, 12 variabel indikator dan 4 variabel laten. Seperti
terera pada Tabel 1.
21
Tabel 1. Variabel Penelitian
Konstruk
Indikator
Variabel
No.
Butir
Kualitas (ξ1)
IM3 telah memenuhi kebutuhan SIM card
saya
X1
1
IM3 telah memenuhi harapan pada saat
awal membeli
X2
2
Secara umum IM3 memiliki kualitas
yang baik
X3
3
Harga (η1)
IM3 memiliki tarif yang lebih murah
dibandingkan operator lain
Y1
4
Harga perdana IM3 telah sesuai dengan
kebutuhan saya
Y2
5
Biaya yang dikeluarkan untuk IM3 telah
sesuai dengan kualitasnya
X3
6
Merk
Terbaik
(η2)
Jika voucher IM3 habis di semua counter
terdekat, saya akan menunggu sampai
ada yang menjualnya lagi
Y4
7
Fasilitas yang disediakan IM3 lebih
lengkap dibandingkan dengan operator
lai
Y5
8
Pelayanan customer service indosat lebih
baik dibandingkan dengan operator lain
Y6
9
Kepuasan
(η3)
Saya puas ketika menggunakan IM3 Y7 10
Saya menilai IM3 sebagai operator ideal Y8 11
Secara keseluruhan saya puas terhadap
IM3
Y9
12
Merujuk teori dan hasil penelitian yang relevan, terdapat hubungan
langsung dan tidak langsung antarsesama variabel laten sehingga dapat
dirancang kerangka pemikiran seperti terlihat dalam diagram jalur pada
konseptual di bawah ini:
22
Gambar 4. Model persamaan structural kepuasan pelanggan IM3
3.3 Metode Penelitian
Dengan menggunakan software Lisrel 8.80, langkah-langkah penelitian yang
dilakukan adalah sebagai berikut:
1. Menginput data kuisioner
2. Pengujian asumsi normal multivariat pada data
3. Pengujian validitas dan realibilitas pada data kuisioner
4. Merancang model struktural
Model struktural menggambarkan hubungan antar variabel laten.
Penelitian ini terdiri dari 4 variabel laten, dengan 3 variabel laten endogen yaitu
harga, merk dan kepuasan dan 1 variabel eksogen yaitu kualitas. Perancangan
model structural didasarkan pada hipotesis penelitian.
Merk
X1
Kualitas
Kepuasan
X2
X3
Y9
Y8
Y7
Y6
Y5
Y4
Harga
Y3
Y2
Y1
23
5. Merancang model pengukuran
Terdapat 12 indikator yang bersifat reflektif dengan 3 variabel indikator (X) dari
variabel laten kualitas dan 9 variabel indikator (Y) yang terdiri dari 3 variabel
indikator dari variabel laten harga, 3 variabel indikator dari variabel laten merk
dan 3 variabel indikator dari variabel laten kepuasan.
6. Kontruksi diagram jalur
Mengkontruksi diagram jalur adalah membangun hubungan-hubungan antara
variabel laten yaitu ξ, η1 dan η2. Diagram jalur dibentuk berdasarkan
hipotesis pada penelitian.
7. Estimasi parameter menggunakan Lisrel 8.80
8. Menghitung pengaruh langsung dan tidak langsung
9. Menghitung pengaruh total variabel laten eksogen terhadap variabel laten
endogen
10. Analisis pengaruh total antar variable laten
11. Evaluasi model jalur CB
V. KESIMPULAN
Berdasarkan analisis pada penelitian yang telah dilakukan, diperoleh
kesimpulan sebagai berikut :
1. Didapat model struktural dan model pengukuran sebagai berikut:
Model sturktural
η1 = 0,98ξ1 + ζ1
η2 = 0,97ξ1 + ζ2
η3 = 0,22ξ1 + 0,59 η1 + 0,01η2 + ζ3
Model pengukuran
X1 = 0,74ξ1 + 0,45 Y4 = 0,55 η2 + 0,69
X2 = 0,65 ξ1 + 0,58 Y5 = 0,45 η2 + 0,80
X3 = 0,76 ξ1 + 0,42 Y6 = 0,27 η2 + 0,92
Y1 = 0,61 η1 + 0,63 Y7 = 0,74 η3 + 0,45
Y2 = 0,45 η1 + 0,79 Y8 = 0,85 η3 + 0,28
Y3 = 0,78 η1 + 0,39 Y9 = 0,93 η3 + 0,13
2. Pengaruh langsung jalur kualitas (ξ1) terhadap Harga (η1) adalah sebesar
0,98, kualitas (ξ1) terhadap merk (η2) adalah sebesar 0,97 dan kualitas (ξ1)
terhadap kepuasan (η3) adalah sebesar 0,22.
3. Kualitas (ξ1) mempengaruhi secara signifikan terhadap kepuasan (휂3)
dengan melalui variabel perantara harga (휂1) sebesar 0,5782 dan kualitas
40
(ξ1) mempengaruhi secara signifikan terhadap kepuasan (휂3) dengan
melalui variabel perantara merk (휂2) sebesar 0,0097.
4. Pengaruh total kualitas (ξ1) terhadap kepuasan (휂3) dengan melalui
variabel perantara harga (휂1) sebesar 0,7982 dan kualitas (ξ1)
mempengaruhi secara signifikan terhadap kepuasan (휂3) dengan melalui
variabel perantara merk (휂2) sebesar 0,2297
5. Variabilitas pada kepuasan (휂3) yang dapat dijelaskan oleh variabilitas
kualitas (𝜉1), harga (휂1) dan merk (휂2) hanya sebesar 66% sedangkan 34%
dijelaskan oleh variabel lain di luar yang diteliti.
DAFTAR PUSTAKA Arikunto, S. 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Rineka Citra,
Jakarta.
Baron, R. M. and Kenny, D. A. 1986. The Moderator-Mediator
Variable Distinction in Social Psychological Research: Conceptual,
Strategic, and Statistical Considerations. Journal of Personality and
Social Psychology, 51(6):1173-1182.
Bollen, K.A. 1989. Structural Equations Model With Latent Variable. John
Wiley and Sons, Inc., New York.
Byrne, K.A. 1989. Structural Equations Model With Lisrel, Prelis, Simplis: Basic
Concepts, Aplications and Programming. Lawrence Erlbaum Associates,
New Jersey.
Hair, J.F. 2010. Multivariate Data Analysis. 7th
edition. Pearson Prentice Hall,
New York.
Irianto, A. 2004. Statistik Konsep Dasar & Aplikasinya. Kencana, Jakarta.
Wijanto, S.H. 2007. Structural Equation Modelling dengan Lisrel 8.80.
Graha Ilmu, Yogyakarta.
Wijanto, S.H. 2008. Structural Equation Modelling Graha Ilmu, Yogyakarta.
Yunita, A.N. 2011. Structural Equation Modeling Pada Perhitungan Indeks
Kepuasan Pelanggan Dengan Menggunakan Software Amos. Skripsi.
Universitas Negeri Yogyakarta, Yogyakarta.